编写 Dynamo ATen 降级传递

降级传递的基础知识

ATen 降级传递是 Python 函数，它以 ATen 操作符图作为输入，应用一些所需的修改，例如操作符合并/融合、操作符替换、子图重写、自定义操作符插入或对 torch.fx.GraphModule 的其他操作，然后将修改后的图返回给调用者。这些降级传递通常会就地修改图，并返回相同的输入对象。

降级传递要求

Torch-TRT 中的 ATen 降级传递函数必须满足两个要求：- 该函数必须以 torch.fx.GraphModule 和一系列 torch 张量 Sequence[torch.Tensor] 作为输入，并返回降级的 torch.fx.GraphModule - 该函数必须将图保留在有效且可调用的状态，包括执行任何必要的 lint 和重新编译

有关 FX 中的 图操作 的信息，请参阅此链接。请参阅以下降级传递示例，它修复了输入也是输出的图，这对于 TRT 引擎而言是不允许的配置。

降级传递示例

def repair_input_as_output(gm: torch.fx.GraphModule, sample_inputs: Sequence[torch.Tensor]) -> torch.fx.GraphModule:
    """Repair scenarios where inputs are also outputs of the graph

    TRT does not allow such cases, so we insert a clone (identity) layer
    """
    modified_graph = False

    # Extract graph placeholder Tensors
    placeholders = [
        node
        for node in gm.graph.nodes
        if (
            node.op == "placeholder"
            and isinstance(node.type, type)
            and issubclass(node.type, torch.Tensor)
        )
    ]

    for placeholder in placeholders:
        # If any placeholder has any users which are direct graph outputs
        if len(placeholder.users) >= 1 and any(
            user.op == "output" for user in placeholder.users
        ):
            modified_graph = True

            # Get direct graph outputs which are direct uses of placeholders
            direct_outputs = [user for user in placeholder.users if user.op == "output"]

            # Insert clone node for placeholder to ensure
            # placeholder is not a direct output
            with gm.graph.inserting_after(placeholder):
                cloned_placeholder = gm.graph.call_function(
                    torch.ops.aten.clone.default,
                    args=(placeholder,),
                )

            # Replace placeholder as output with cloned version
            for output in direct_outputs:
                output.replace_input_with(placeholder, cloned_placeholder)

    # If the graph was modified, clean up the graph and ensure it is up-to-date
    if modified_graph:
        gm.graph.eliminate_dead_code()
        gm.graph.lint()
        gm.recompile()
        logger.debug(f"Graph after repair_input_as_output:\n{gm.graph}")

    return gm

注册降级传递

降级传递目前注册在 py/torch_tensorrt/dynamo/lowering/passes/__init__.py 中，使用 torch.fx.passes.pass_manager.PassManager 实用程序以所需的顺序组装传递列表。直接添加到该列表中的新传递将应用于 Torch-TensorRT torch.compile 后端的图。目前，我们提供了一个 ATen 降级传递注册装饰器以方便起见，它可以直接调用，或者使用可选的 index 关键字参数来控制降级传递将插入到传递列表中的哪个位置。

例如，要将传递插入默认位置（列表末尾），可以使用以下代码

@_aten_lowering_pass
def my_custom_pass(gm: torch.fx.GraphModule, sample_inputs: Sequence[torch.Tensor]) -> torch.fx.GraphModule:
    ...

或者，要将传递插入传递列表中的自定义索引（例如列表开头），可以使用以下代码

@_aten_lowering_pass(index=0)
def my_custom_pass(gm: torch.fx.GraphModule, sample_inputs: Sequence[torch.Tensor]) -> torch.fx.GraphModule:
    ...

在 torch_tensorrt.dynamo.lowering.passes 中还提供了实用程序，用于显示当前可用的降级传递列表，将这些传递应用于任意 torch.fx.GraphModule 以及在特定索引处删除降级传递。

# Print all lowering passes in the list
print(dump_lowering_passes())

# Apply lowering passes to a GraphModule
apply_lowering_passes(graph_module, sample_inputs)

# Remove the lowering pass at index 1
_remove_lowering_pass(index=1)

注意：以上 API 可能会发生更改，因为降级传递系统不断发展。